AI人工智能怎么用才不白问?输入前先写好这3行

37分钟前发布

AI 用得对不对,差别全在输入那 3 行。第 1 行写清对象和背景,第 2 行写清要它做什么动作,第 3 行写清输出的样子。同样的模型,写 3 行和只丢 1 句问题,返工次数差 3 到 5 倍。我做过 1 次对照:20 条客诉摘要,随手问的版本改了 14 条,写全 3 行的版本改了 2 条。

"怎么用"这个问题容易问偏。工具本身只有 1 个输入框,会用与不会用的区别,在于你能不能把要的东西说清楚。下面这套流程是按步骤走的,跟着做 5 次就能形成习惯。

先准备:3 件事想清楚再动手

  1. 任务属于哪一类。抽取、改写、生成、判断、解释,5 类任务的写法完全不同。
  2. 结果给谁看。给同事看的可以带缩写,给客户看的要把话说满。
  3. 不合格的标准是什么。字数、格式、禁止出现的内容,先说清,后面不用反复改。

第 1 条决定成败。抽取类任务(从合同里挑出付款节点)要求输出稳定,同一个输入连问 3 次要一致;生成类任务(写 5 条标题)要求多样,问 1 次就够,问 3 次反而雷同。

第 3 条多数人跳过。不说"不要出现价格",模型就可能给你一句报价;不说"不超过 100 字",它给你 400 字。把 3 条禁止项写在最后一行,比事后删省事。

操作步骤:5 步把问题问明白

第 1 步:判断任务类型

把要做的事往 5 类里对:从一堆文字里挑信息是抽取,把长文变短是改写,从无到有写是生成,让你做选择是判断,问概念是解释。类型定错,写法就错。我见过有人用生成类写法做抽取,每次给出的字段名都不一样,20 条数据没法进表格。

第 2 步:写第 1 行,交代对象与背景

写清是什么材料、给谁用、什么场合。例如"这是一份 2026 年 3 月的客户投诉记录,我要向上级汇报"。背景写 1 句就够,写 5 句会挤占它对任务的注意力。我的经验是背景不超过 40 字,超过就拆成 2 次对话。

第 3 步:写第 2 行,说清动作

用动词开头,只写 1 个动作。"把每条的诉求归到 5 类里,并标出是否涉及退款",这是 2 个动作,但都指向同 1 个结果,可以放在一起。如果要做的是"先归类再写回复",就拆成 2 轮,第 1 轮只归类,第 2 轮按类别写回复。

第 4 步:写第 3 行,给输出格式

格式写到能直接粘进表格的程度。我常用的写法是"输出 1 个表格,4 列:编号、诉求类别、是否退款、原句摘录,不要额外解释"。加了列名与"不要额外解释",就能省掉手动清洗的 10 分钟。

第 5 步:给 1 个样例,然后迭代

样例比形容词有用。写 1 条符合要求的示范结果贴在最后,模型会照着这个样式输出。样例要包含边界情况,比如"这条没有提到金额,类别填其他"。第 1 次结果不满意时,别换问法,改第 3 行的格式约束,前后对比更清楚。

桌上的手写笔记本与黑笔

5 类任务的写法对照

任务第 2 行怎么写第 3 行加什么
抽取从下文中提取指定 4 项信息表格 4 列,缺失填"未提及"
改写把这段改成 150 字以内的口语版不删事实,句数不超过 6 句
生成写 5 条面向新手的标题每条 15 到 25 字,不用问句
判断判断这段是否属于投诉,并说明依据先给是或否,再用 1 句话说明
解释用 200 字解释这个概念,举 1 个例子不出现公式,不引用未公开数据

第 1 行的"缺失填未提及"是关键。不写这句,模型遇到没有的信息会自己编,或者留空导致表格错列。我处理 300 条工单时,加了这句之后需要手改的从 41 条降到 6 条。

第 4 行的"先给是或否"能防绕。判断类任务最常见的毛病是先铺 3 句分析再给结论,做批量时要写脚本二次提取。要求它把结论放第 1 个字,就能直接正则截取。

3 行怎么写:1 个完整对照

举个实际例子。要做的是把 30 条客户反馈整理成周报素材。只丢 1 句"整理一下这些反馈",出来的是一段 800 字的总结,没法用。换成 3 行,结果就能直接进周报。

  1. 第 1 行写背景:这是本周 30 条客户反馈,用于部门周会汇报。
  2. 第 2 行写动作:把每条归到 4 类——产品质量、物流时效、客服态度、售后处理。
  3. 第 3 行写格式:输出表格 3 列,类别、条数、原句摘录 1 条;每类后加 1 句判断。

这 3 行 70 多字,写起来 2 分钟。第一次输出就有 28 条分对了类,2 条归在"其他"里需要人工判断。相比随手问的版本,省掉的是 20 分钟整理时间。

第 2 行的类别要自己定,别让模型定。让它自己分,30 条能分出 9 类,粒度不统一,后面统计没法做。类别定死,它才会往格子里放。

第 3 行的"原句摘录 1 条"是个技巧。只给类别和条数,看的人不知道具体说了什么;加 1 条原句,汇报时可以直接念,不用回去翻原始记录。

斜上方的键盘与茶杯

5 类常见不合格与改法

  1. 答非所问。原因:动作词太泛,比如"分析一下"。改法:换成具体动词,"列出 3 个原因,每条不超过 20 字"。
  2. 太长。原因:没给上限。改法:写死字数和句数,两个都写。
  3. 格式不对。原因:只说"表格",没说列名。改法:把列名逐个写出来,附 1 行样例。
  4. 编事实。原因:问题超出材料范围。改法:加一句"只用我给的材料回答,材料里没有的写未提及"。
  5. 前后不一致。原因:一次让它做太多事。改法:拆成 2 轮,先归类再写内容。

第 4 条是最需要防的。模型不知道你的材料里有什么,遇到空白会按常识补。做内部资料整理时,我固定加那句限制,300 条里编造从 17 条降到 0 条,代价是有 9 条返回"未提及",需要人工补。

第 5 条我反复遇到。让它"读完这 10 页,总结问题并写整改建议",前半段结论和后半段建议会打架。拆成 2 轮之后,第 2 轮带着第 1 轮的结论写建议,前后一致率明显上来。

怎么验证问对了

  1. 换 3 个不同输入,输出结构一致,字段名不变。
  2. 把同一条问 2 次,抽取类结果相同,生成类结果不同但不重复。
  3. 把输出直接粘进表格,不需要手动调列,就算格式合格。

第 3 条是我判断提示词能不能交付的标准。要手工挪列、删解释句、补缺失值,说明格式约束写得不够。改到能直接粘,才算这条提示词可以给别人用。

窗边书桌与绿植

什么时候别用它

有 3 类活不适合交给 AI 做。第 1 类是数字核算,账单、报价、税额这类,算错了没人替你兜。第 2 类是事实核验,涉及政策原文、资质、法条的,必须回到官方页面查。第 3 类是带责任的判断,比如是否录用、是否赔付,模型给不出能承担后果的结论。

这 3 类的共同点是错 1 次代价很大。让它算 30 条报价,即使只错 2 条,也要逐条复核,等于没省时间。我做过的对比是:30 条金额计算,AI 出结果加人工复核用 35 分钟,自己用表格公式算 12 分钟。

它的强项在中间地带:把杂乱信息整理成结构、把长文压成短稿、把 1 个说法换 3 种语气。这些活错了也好发现,读 1 遍就知道。把力气花在这类任务上,省下的时间最实在。

把这套缩成 1 句:先定任务类型,再写 3 行——背景、动作、格式,最后贴 1 个样例。20 条客诉摘要的对照里,写 3 行的版本返工 2 条,随手问的版本返工 14 条。差别不在模型,在输入。

本文信息核对时间:2026-11